Para peneliti dari University of Bristol, Inggris, berhasil menunjukkan kemampuan organoid otak manusia dalam memproses pola huruf Braille melalui eksperimen komputasi biohibrida. Penelitian yang dipublikasikan pada 16 Oktober 2026 dalam jurnal Frontiers in Artificial Intelligence ini menggabungkan jaringan saraf biologis, sensor sentuhan, dan sistem pembelajaran mesin. Hasil pengujian menunjukkan bahwa penggunaan satu organoid menghasilkan akurasi klasifikasi 61 persen, sedangkan kombinasi tiga organoid meningkat menjadi 83 persen. Temuan tersebut membuka peluang pengembangan teknologi komputer biologis yang berpotensi lebih hemat energi, meskipun kemampuan pembelajaran organoid dalam eksperimen ini belum terbukti.
Eksperimen Jaringan Saraf Biologis untuk Pemrosesan Informasi Digital
Kemajuan inovasi pemrosesan informasi memperbesar kebutuhan terhadap metode pengolahan data yang efisien. Dalam sistem komputer konvensional, pelaksanaan perhitungan elektronik bergantung pada komponen elektronik. Walaupun kemampuan perangkat keras semakin meningkat, konsumsi listrik sistem pemrosesan menjadi perhatian penting. Dalam upaya mengeksplorasi metode baru, ilmuwan University of Bristol mengevaluasi penggunaan organoid otak sebagai jaringan saraf hidup untuk mengolah sinyal. Konsep tersebut memadukan sel saraf dengan sistem digital untuk mengeksplorasi kemampuan pengolahan informasi.
Dalam penelitian tersebut, tim ilmuwan menggunakan organoid yang dikembangkan dari sel manusia untuk merespons sinyal elektronik. Struktur sel saraf tersebut hanya merepresentasikan sebagian karakteristik jaringan otak. Kendati bentuknya jauh lebih sederhana, organoid menyimpan kumpulan sel yang dapat menghasilkan aktivitas listrik. Tim penelitian selanjutnya menyampaikan informasi Braille melalui elektroda. Hasil respons biologis dievaluasi dengan metode pembelajaran mesin untuk menentukan kesesuaian respons dengan rangsangan. Pengujian tersebut menunjukkan hubungan antara sensor buatan dan jaringan biologis.
Cara Kerja Organoid Otak dalam Memproses Pola Huruf Braille
Dalam merancang pengujian, ilmuwan menggunakan sensor sentuhan untuk mengumpulkan informasi huruf Braille. Huruf Braille mengandalkan susunan titik tertentu yang memiliki konfigurasi berbeda untuk setiap huruf. Pada tahap pengumpulan data, peneliti menggunakan seluruh 26 karakter alfabet dalam pengujian. Sinyal sentuhan yang direkam kemudian diubah menjadi pola stimulasi listrik. Proses tersebut menjadi penghubung utama antara sensor mekanis dan jaringan saraf.
Sesudah data taktil diubah menjadi sinyal listrik, peneliti mengirimkan rangsangan melalui multielectrode array. Multielectrode array atau MEA merupakan perangkat yang memiliki sejumlah elektroda kecil. Dalam rancangan pengujian, organoid menerima stimulasi listrik sesuai pola tertentu. Jaringan saraf kemudian, organoid memperlihatkan perubahan aktivitas neuron yang dipantau menggunakan perangkat elektronik. Dengan demikian, data taktil dapat diteruskan melalui jaringan neuron hidup. Namun, proses tersebut tidak membuktikan adanya pemahaman simbol secara sadar.
Peran Support Vector Machine dalam Klasifikasi Huruf Braille
Ketika aktivitas neuron berhasil direkam, peneliti menggunakan algoritma pembelajaran mesin untuk mengidentifikasi pola informasi. Pendekatan klasifikasi tersebut adalah support vector machine atau SVM, yaitu algoritma yang dapat membedakan kategori berdasarkan karakteristik informasi. Pada proses analisis, sistem mengidentifikasi karakteristik respons dari setiap pola huruf. Pada tahap klasifikasi, algoritma memperkirakan huruf yang sesuai. Dengan cara tersebut, jaringan saraf hidup berperan sebagai komponen biologis dalam sistem klasifikasi.
Keterlibatan sistem klasifikasi perlu dipahami secara tepat. Melalui sistem yang diuji, organoid tidak menghasilkan keluaran berupa karakter tertulis. Sebaliknya, respons saraf dikumpulkan lalu ditafsirkan oleh algoritma komputer. Hasil klasifikasi tersebut membuktikan adanya pola sinyal yang dapat dibedakan. Walaupun memperlihatkan potensi besar, penelitian belum membuktikan kemampuan belajar organoid. Pembedaan tersebut membantu menempatkan hasil penelitian secara proporsional.
Hasil Eksperimen Komputasi Biohibrida dengan Satu dan Tiga Organoid
Salah satu temuan utama adalah perbaikan hasil pengenalan pola melalui kombinasi jaringan biologis. Dalam pengujian menggunakan satu organoid, algoritma menghasilkan ketepatan pengenalan sekitar 61 persen. Pada konfigurasi berikutnya, penggunaan tiga organoid menghasilkan ketepatan klasifikasi sekitar 83 persen. Perbedaan hasil ini memperlihatkan potensi penggunaan beberapa jaringan saraf. Dalam konteks eksperimen, persentase tersebut menggambarkan keberhasilan decoder, bukan kemampuan organoid mengenali tulisan seperti manusia.
Peneliti juga menemukan bahwa penggabungan respons biologis meningkatkan ketahanan klasifikasi terhadap gangguan tertentu. Dalam pengujian tambahan, ilmuwan memodifikasi data masukan menggunakan noise sintetis. Pada tahap analisis berikutnya, peneliti mengukur perbedaan pengenalan pola dengan dan tanpa pemrosesan biologis. Dalam kondisi yang diuji, pengolahan melalui organoid membantu mempertahankan informasi. Walaupun hasil tersebut positif, mekanisme di balik keunggulan tiga organoid masih memerlukan kajian.
Potensi Komputasi Biohibrida untuk Mengembangkan Komputer Hemat Energi
Penelitian organoid otak membuka kemungkinan penelitian baru bagi teknologi komputer masa depan. Jaringan neuron alami menjadi inspirasi bagi rancangan komputasi efisien. Berdasarkan prinsip kerja jaringan saraf, ilmuwan tertarik mempelajari penggunaan organoid sebagai komponen pengolah informasi. Ketika sistem biologis dapat dikendalikan lebih baik, organoid berpotensi mendukung pemrosesan informasi tertentu. Walaupun memiliki potensi tersebut, belum ada bukti bahwa sistem eksperimen ini lebih hemat energi secara keseluruhan.
Sebelum sistem dapat diterapkan secara luas, sejumlah hambatan pengembangan harus diselesaikan. Komponen saraf yang digunakan masih membutuhkan kondisi biologis sesuai sehingga harus dijaga agar tetap hidup. Selain itu, aktivitas neuron tidak selalu identik antarsampel karena struktur jaringan dan kondisi perkembangan tidak seragam. Variasi respons ini menantang proses pengembangan sistem yang konsisten. Di samping aspek teknis, pengembangan sistem berbasis organoid juga membutuhkan pertimbangan etika, termasuk pengawasan penggunaan material biologis.
Kesimpulan Penelitian Organoid Otak dalam Mengenali Huruf Braille
Eksperimen komputasi biohibrida yang dilakukan ilmuwan Inggris menunjukkan perkembangan penting dalam teknologi pemrosesan informasi biologis. Berkat pengodean informasi Braille, antarmuka elektronik jaringan biologis, serta algoritma pembelajaran mesin, peneliti membuktikan respons biologis dapat digunakan untuk membedakan stimulus. Perbaikan hasil melalui penggunaan tiga organoid menjadi indikasi potensi penggabungan jaringan biologis. Meskipun demikian, eksperimen ini belum membuktikan pembelajaran organoid. Pada tahap pengembangan selanjutnya, pengembangan sistem umpan balik dua arah mungkin memberikan informasi mengenai pemrosesan saraf yang lebih mendalam. Apa pendapat Anda, apakah teknologi komputer yang memanfaatkan jaringan saraf hidup dapat membuka peluang inovasi komputasi hemat energi? Bagikan pemikiran Anda mengenai potensi komputer biologis.
